cc-bioinfo · 分析执行引擎 · v1.0.2
不是又一个 AI 聊天机器人。
是一套会自己干活的分析框架。
你不用装环境、不用写代码、不用守着电脑。把设计交给它，它自己建 Conda 环境、写分析代码、报错自修、出出版级图表，一直做到 SCI 稿件初稿。你去出门诊也不会中断。
bio-analyze 是什么？
bio-analyze 是一种结构化知识框架：把生信领域最佳实践编码为结构化工作流与硬性质量门控，引导 AI 自动完成从原始数据质控到可投稿 SCI 论文初稿的全流程生信分析。它是 cc-bioinfo 平台的下游执行引擎，一个关键特征是：框架本身不含可执行代码，而是 350KB+ 的结构化知识库，分析代码由 AI 按规则现场生成并在你的环境执行。
- 84,000+ 行专业知识编码（34 个知识文件）
- 6 条标准化组学流水线 + ATAC-seq、WGCNA、孟德尔随机化等知识库覆盖
- 26 小时 真实课题中的最长单次无中断运行记录
- 1,200+ 自动化测试全部通过，双重变异测试验证（0 存活）
如果你是临床医生或研究生，这意味着什么？
下面那些 Step 与门控听起来很工程化。换成你的角度，实际体验是这样。
你不用做的事
- 不用装 R、Python、Bioconductor——它自己建环境，连 Conda 都没有也能从零自举
- 不用写代码，不用看懂报错，不用会命令行
- 不用守着电脑——关浏览器后分析在服务器端继续跑，你去出门诊、去手术都行
- 不用背图表规范——300 DPI、字体、符合 WCAG 对比度的色盲友好配色按目标期刊自动检查
你必须做的事
- 确认细胞类型注释——这是整个分析里 AI 最可能错、而领域知识最能救场的一步
- 逐张看图——Step 4 会停下来等你审图，真实案例中最有价值的缺陷全部是这样抠出来的
- 判断异常结果是不是生物学上说得通——比如某个基因在你的组织里本来就不该高表达
- 核实稿件——它给的是初稿，科学准确性与引文必须你把关
一个真实的时间感
传统路径下从拿到数据到出初稿，大多数人的经验是几个月。在平台上，一个含七条并行证据线、跨六类数据层的对比研究约 26 小时无中断完成；一项 314,805 细胞的多数据集整合加空间转录组课题产出了 6 张主图与完整初稿。但这不等于你两天后就能投稿——你仍需要时间去核实、去想、去修。它省掉的是“让东西跑起来”的那部分，不是“想清楚”的那部分。
Step 0–7 全流程是怎么运转的？
| 步骤 | 内容 | 思考模式 |
|---|---|---|
| Step 0 | 项目初始化：自动检测组学类型、创建标准目录、加载配置 | Standard |
| Step 1 | 动态分析：多阶段计算分析（Phase 1–N） | Standard / Deep |
| Step 1.5 | 数据质量审计：五维度深度审查，CRITICAL 发现直接 HARD_STOP | Ultrathink |
| Step 2 | 反思与探索：科学问题完成度打分、转化医学评估 | Deep |
| Step 3 | 研究总结：核心发现提炼、图表计划 | Ultrathink |
| Step 4 | 出版级图表：SCI 标准输出 + AI 逐张读图的视觉审查闭环（你在这里审图） | Deep |
| Step 5 | 技术报告：结构化分析报告 | Deep |
| Step 6 | 稿件撰写：21 个子步骤 + 五步提交前交叉验证 | Ultrathink |
| Step 7 | 投稿准备：DOCX、图表包、cover letter（用户触发） | Standard |
自动执行原则：你说“开始分析”后它立即执行，不反问“下一步做什么”；可修复错误自动重试（上限 3 次）；Phase 完成自动推进。但 Step 1.5 的质量审计与 Step 4 的图表审查会停下来等你——这两个闸门不能跳。
四级思考深度是如何调度的？
核心理念：不是所有任务都值得同样的认真程度。文件重命名不需要完整推理链，细胞类型注释则必须。
| 级别 | 触发场景 | AI 行为 |
|---|---|---|
| Quick | 文件操作、格式调整 | 快速执行 |
| Standard | 常规分析步骤 | 标准推理 |
| Deep | 参数选择、方法决策、批次效应评估 | 多方案比较 |
| Ultrathink | 9 种关键场景（见下） | 完整推理链：观察 → 假设 → 验证 → 结论 |
9 种强制 Ultrathink 场景：细胞类型注释、数据质量审查（Step 1.5）、差异表达解读、生物学结论推导、稿件关键章节、数据验证、聚类分辨率选择、批次效应评估、异常结果判断。
支持哪些组学类型和分析流水线？
| 组学类型 | 平台与工具 | 标准流程 |
|---|---|---|
| 单细胞 RNA-seq | 10x Genomics · Seurat · Scanpy | QC → 标准化 → HVG → PCA → 聚类 → 注释 → DEG |
| 空间转录组 | Visium · MERFISH · Slide-seq · CODEX | QC → 标准化 → SVG → 空间聚类 → 反卷积 |
| Bulk RNA-seq | DESeq2 · edgeR · limma | QC → 比对 → 计数 → DEG → 富集 |
| 蛋白质组 | MaxQuant · DIA-NN · TMT | QC → 标准化 → 缺失值插补 → DEP → 通路 |
| 代谢组 | XCMS · MetaboAnalyst · MZmine | QC → 标准化 → PCA → DEA → 富集 |
| 脂质组 | 继承代谢组 + 脂质特异扩展 | QC → 标准化 → PCA → DEA → 脂质分类 |
每条流水线定义强制步骤与强制图表清单，实时合规检查：跳过 doublet removal 或批次校正会实时告警，缺失强制图表在 Step 4 前 HARD_STOP。
质量与数据真实性如何保障？
- Step 1.5 五维度质量审计：在计算完成、生物学解读开始之前强制插入——样本身份、批次效应、技术质量、生物学合理性、统计假设五个维度，任何 CRITICAL 发现触发 HARD_STOP。
- 数据真实性铁律：禁止数据造假、禁止数据泄漏、禁止静默替换、禁止原始数据进入输出；生成模拟数据属 critical 错误，直接 HARD_STOP。
- 可执行校验器而非“相信 AI”：流程校验器、状态对账器与 17 类一致性检查每轮运行，靠退出码强制执行；稿件检查器含 Crossref DOI 核验。
- 双重独立评审：图表与稿件由全新独立子代理（统计学家 / 领域专家 / 怀疑论者）对抗性复检，而非自我批准。
- 自学习经验库：20 种常见错误模式内置代码级修复方案；超过 2 轮的解决过程自动入库复用。
- SCI 图表知识库 + 视觉审查闭环：732 行图表标准（按样本量选图决策树、8 种错误图表防御、15+ 审稿人必查项）；AI 逐张读图做视觉检查，用户审查门控后才推进。
什么场景不适合 bio-analyze？
| 场景 | 更合适的替代方案 |
|---|---|
| 每天数百样本的生产级流水线 | Nextflow / Snakemake |
| 底层算法 / 方法学开发 | 直接编程 |
| 纯上游分析（基因组组装、比对） | BWA / GATK / SPAdes |
| 期望它替代你的科学判断 | —（关键节点会暂停等你拍板） |
如实呈现能力边界是框架设计哲学的一部分：它不替代统计训练，不保证代码一次跑通，关键节点会暂停等待用户判断。
如何开始使用？
- 第一步：在平台上打开对话，bio-analyze 已预装，不需要你装任何东西。
- 第二步：告诉它你的研究问题、数据在哪、目标期刊（或直接交上 bio-design 产出的
TOPIC.yml）。 - 第三步：说“开始分析”，然后去忙别的。需要你拍板时它会停下来，也可以通过 IM 推送找到你。
/bio-analyze status --verbose # 查看进度
/bio-analyze continue # 断点续传，子步骤级恢复
/bio-analyze pipeline show # 流水线合规状态
/bio-analyze config set analysis.clustering_resolution 0.6 --global
/bio-analyze manuscript check --journal nature
/bio-analyze publish prep # 投稿包三层可定制参数：项目层 > 用户全局层 > 插件层，12 个参数域 50+ 参数。把你的偏好（线粒体比例阈值 15%、聚类分辨率 0.6）存为全局默认，新项目自动继承——不是黑箱。
常见问题 FAQ
cc-bioinfo、bio-design 和 bio-analyze 是什么关系？
三者是一个平台加两个内置引擎的关系。cc-bioinfo 是平台，回答“在哪里跑”；bio-design 是设计引擎，回答“做什么课题”；bio-analyze 是执行引擎，回答“怎么把它跑出来”。一句话：cc-bioinfo 是舞台，bio-design 是编剧，bio-analyze 是导演和全体演员。
用 bio-analyze 需要自己写 R 或 Python 代码吗？
不需要。AI 自动生成、执行、调试代码，并自动创建每项目独立的 Conda 环境（无 Conda 时从零自举 Miniconda）。你需要的是理解自己的科学问题，并在关键判断点（细胞类型注释确认、分析方向选择、图表视觉审核）做决策。
我得全程守着电脑吗？
不用。分析运行在服务器端，关闭浏览器后不中断，你可以去出门诊、去手术。需要你拍板时，可以通过微信、钉钉、飞书或 Telegram 接收卡片并回复。真实案例中最长的一次连续运行约 26 小时无中断。
分析中途中断了怎么办？
运行 /bio-analyze continue：系统扫描已完成输出、与计划对比，从第一个缺失项恢复到子步骤级别。Step 6 的 21 个子步骤各写独立文件，只重试失败的那一步。
生成的稿件能直接投吗？
Step 6 产出的是初稿，需研究者核实科学准确性、补充引文。框架内置 6 大期刊的机器可读合规配置，自动检查字数、300 DPI、字体与色盲友好配色；稿件中绝对禁止捏造统计值与引用，引文 DOI 会对 Crossref 核验。
我想先试试，从哪里开始？
邮件联系 moogtang@gmail.com 获取试用。用起来不复杂：在浏览器里直接用中文描述你要做的分析即可，不需要安装软件、不需要配 Conda、不需要会命令行。建议先拿一份公开 GEO 数据跑一段质控与聚类，看它怎么自己建环境、写代码、出图。